LEANN fonctionne-t-il ?

LEANN fonctionne, avec des mocks à la place des services externes. Argusic l'a installé et lancé sur une machine propre en 85 minutes, en rencontrant 8 erreurs en route, et a enregistré la session.

Comment Argusic a-t-il testé LEANN ?

Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit f84dec41db5b. 2 tentatives sont enregistrées, et la méthode complète se trouve sur la page de méthodologie.

Combien a coûté le test de LEANN ?

L'exécution qui a produit ce verdict a coûté 0,54 USD : le coût réel du calcul et du modèle, pas un prix catalogue par million de tokens. Il est enregistré sur la page de cette exécution.

Combien de temps faut-il pour installer LEANN ?

85 minutes lors de l'exécution qui a décidé ce verdict, d'une machine propre à un état de fonctionnement. Il s'agit d'une tentative mesurée, pas d'une moyenne.

LEANN a-t-il besoin d'un GPU ?

Pas pour démarrer. Argusic a atteint un état de fonctionnement sur une machine sans GPU.

Qu'est-ce qui pose problème lors de l'installation de LEANN ?

8 problèmes sont survenus lors de l'exécution enregistrée, et 7 ont été corrigés sans aide humaine. Chacun, avec le temps qu'il a coûté, est listé sur cette page.

Où sont les preuves pour LEANN ?

Les 2 exécutions enregistrées se trouvent sur cette page, chacune avec un lien vers son log complet et son enregistrement du terminal, conservés avec une empreinte sha256 pour qu'ils ne puissent pas être modifiés discrètement.

Original en anglais: https://argusic.com/subject/leann

LEANN

RAG sur tout avec LEANN. Profitez de 97 % d'économies de stockage tout en exécutant une application RAG rapide, précise et 100 % privée sur votre appareil personnel.

Fonctionne avec des mockssource : GitHub page d'accueilPythonMITcommit f84dec41db5b

Python, sous licence MIT. Le projet se décrit ainsi : ai, faiss, gpt oss, langchain, llama index, llm, localstorage et offline first.

LEANN fonctionne, avec des substituts pour les services dont il dépend. Un agent Argusic l'a installé en 85 minutes et a rencontré 8 erreurs sur une machine propre sans GPU, et toute la session a été enregistrée.

LEANN Python packages installed, HNSW backend with custom-built Faiss SWIG module works, CI tests pass, README HNSW examples pass with mock embeddings, DiskANN backend blocked by missing libaio system dependency.
Ce que l'agent a obtenu sur une machine propre, dans ses propres mots. Comment c'est mesuré

Mesuré par Argusic sur une machine vierge, à chaque fois. Chaque chiffre renvoie à ses preuves. Score Argusic de 89,5 sur 100 (la moyenne des scores des exécutions de ce projet).

En un coup d'œil

verdict: Fonctionne avec des mocks
Score Argusic: 89,5 / 100
coût de l'exécution de vérification: 0,54 USD (mesuré)
exécutions enregistrées: 2
dernier test: 2026-11-03
étoiles: 13 770
forks: 1 284
issues ouvertes: 49
observateurs: 78
taille: 82 MB
créé le: 2025-06-09
dernier push: 2026-11-03

Données du projet issues de GitHub, avec un lien en haut de cette page, mis à jour le 2026-11-04. Données de test d'Argusic (CC BY 4.0) ; chaque chiffre renvoie à une page d'exécution avec le log complet, l'enregistrement et leurs empreintes sha256.

Ce qui a été mesuré

Tiré de l'exécution qui a décidé ce verdict. Chaque ligne est une valeur enregistrée, pas une estimation.

Temps perdu à cause de chaque échec lors du test de LEANN, tiré de l'exécution enregistrée — Chaque barre est un échec enregistré par l'agent, avec le temps qu'il a coûté. Tiré de cette exécution, et de nulle part ailleurs.

Ce qui s'est mal passé, dans les mots de l'agent

Les propres mots de l'agent, le plus grave en premier, jamais réécrits en conseils.

Faiss Python wrapper files had circular import structure when nested under leann_backend_hnsw10 minutes
leann-backend-diskann requires libaio and Boost system packages (no root access)10 minutes
CMake FindBLAS could not find BLAS (only libblas3 runtime, no .so symlink without version)5 minutes
CMake could not find SWIG during Faiss build5 minutes
Faiss SWIG module compiled with numpy 1.x but env had numpy 2.x, causing SystemError at import5 minutes
Git submodules not initialized3 minutes

Temps d'installation: 85 minutes
De la machine vierge à la fin: 87 minutes
Erreurs rencontrées et corrigées: 8 rencontrées, 7 corrigées sans aide humaine
Comment le résultat a été prouvé: pytest tests/test_ci_minimal.py -v: 4 passed, pytest tests/test_readme_examples.py -v -k hnsw: 2 passed
Tokens de modèle utilisés: 1 755 633
Commit exact testé: f84dec41db5b
Image de conteneur: sha256:cdd920bce783

Ce qui n'a pas été mesuré

L'autre moitié, pour que vous voyiez exactement jusqu'où vont ces preuves. Une lacune est affichée comme une lacune et n'est jamais comblée.

Pic de mémoire GPU: cette exécution a eu lieu sur une machine CPU, il n'y avait donc pas de GPU à mesurer
Comportement sur une longue durée: chaque tentative utilise les réglages documentés les plus légers et un budget de temps fixe : on mesure donc s'il fonctionne, pas comment il tient sous la charge
Comportement face aux vrais services: cette exécution n'a été vérifiée qu'avec des services de substitution

La fin de l'enregistrement

Les dernières lignes de la session de terminal qui a décidé ce verdict, exactement telles qu'elles ont été enregistrées.

2026-09-26T20:42:47.957373Z ERROR codex_core::session: failed to record rollout items: thread 01a0d…
2026-09-26T20:42:47.957387Z ERROR codex_core::session: failed to record rollout items: thread 01a0d…
2026-09-26T20:42:47.957399Z ERROR codex_core::session: failed to record rollout items: thread 01a0d…
2026-09-26T20:42:47.957412Z ERROR codex_core::session: failed to record rollout items: thread 01a0d…
2026-09-26T20:42:47.957425Z ERROR codex_core::session: failed to record rollout items: thread 01a0d…
2026-09-26T20:42:47.957436Z ERROR codex_core::session: failed to record rollout items: thread 01a0d…
2026-09-26T20:42:47.957451Z ERROR codex_core::session: failed to record rollout items: thread 01a0d…
2026-09-26T20:42:47.957466Z ERROR codex_core::session: failed to record rollout items: thread 01a0d…
2026-09-26T20:42:47.957480Z ERROR codex_core::session: failed to record rollout items: thread 01a0d…
2026-09-26T20:42:47.957499Z ERROR codex_core::session: failed to record rollout items: thread 01a0d…
tokens used
1,755,633

Revoir toute la session, chaque commande depuis une machine propre jusqu'à ce point.

Comment le test a été mené

Un agent, un conteneur, aucune aide humaine. Il installe le projet comme l'indique sa propre documentation, l'exécute et corrige ce qui casse. Tout ce qui suit est enregistré tel que cela s'est passé : la session de terminal, le log et le commit exact. La méthode complète.

Points forts et limites

Des faits mesurés, pas des opinions. Comment ce site est rédigé.

Ce qui s'est bien passé

Sous licence MIT, selon son hébergeur.
Mesuré 2 fois, le résultat n'est donc pas un cas isolé.

Ce qui ne s'est pas bien passé, ou n'est pas connu

N'a atteint un état de fonctionnement qu'avec des services de substitution : rien ici ne prouve qu'il fonctionne avec les vrais.
Installation en 85 minutes, plus lente que la médiane des 230 projets comparables mesurés par Argusic.
A rencontré 8 erreurs pendant l'installation, dont 1 n'a pas été résolue.

Sur les 231 projets ai qu'Argusic a installés et chronométrés, LEANN a été le 231e plus rapide à atteindre un état de fonctionnement, et 152 sur 231 en ont atteint un.

Également testés, dans le même domaine

Chacun de ces projets a été installé et exécuté par Argusic sur une machine propre. Rien n'apparaît ici sans avoir été testé.

Historique des exécutions

testé par	tentative	résultat	score	coût USD	date
Argusic Runner	2/3	Délai dépassé	0,00	0,83	2026-11-03 19:48 UTC
Argusic Runner	1/3	Fonctionne avec des mocks	89,50	0,54	2026-09-26 20:43 UTC

Sujets (depuis GitHub)

ai faiss gpt-oss langchain llama-index llm localstorage offline-first ollama privacy python rag retrieval-augmented-generation vector-database vector-search vectors

Intégrer le badge

Markdown pour le README du projet. Il renvoie vers cette page ; conditions sur la page des conditions.

[![Tested by Argusic](https://argusic.com/badge/LEANN.svg)](https://argusic.com/subject/leann)

Questions

LEANN fonctionne-t-il ?: LEANN fonctionne, avec des mocks à la place des services externes. Argusic l'a installé et lancé sur une machine propre en 85 minutes, en rencontrant 8 erreurs en route, et a enregistré la session.
Comment Argusic a-t-il testé LEANN ?: Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit f84dec41db5b. 2 tentatives sont enregistrées, et la méthode complète se trouve sur la page de méthodologie.
Combien a coûté le test de LEANN ?: L'exécution qui a produit ce verdict a coûté 0,54 USD : le coût réel du calcul et du modèle, pas un prix catalogue par million de tokens. Il est enregistré sur la page de cette exécution.
Combien de temps faut-il pour installer LEANN ?: 85 minutes lors de l'exécution qui a décidé ce verdict, d'une machine propre à un état de fonctionnement. Il s'agit d'une tentative mesurée, pas d'une moyenne.
LEANN a-t-il besoin d'un GPU ?: Pas pour démarrer. Argusic a atteint un état de fonctionnement sur une machine sans GPU.
Qu'est-ce qui pose problème lors de l'installation de LEANN ?: 8 problèmes sont survenus lors de l'exécution enregistrée, et 7 ont été corrigés sans aide humaine. Chacun, avec le temps qu'il a coûté, est listé sur cette page.
Comment LEANN se compare-t-il aux alternatives ?: Sur les 231 projets ai qu'Argusic a installés et chronométrés, LEANN a été le 231e plus rapide à atteindre un état de fonctionnement, et 152 sur 231 en ont atteint un.
Où sont les preuves pour LEANN ?: Les 2 exécutions enregistrées se trouvent sur cette page, chacune avec un lien vers son log complet et son enregistrement du terminal, conservés avec une empreinte sha256 pour qu'ils ne puissent pas être modifiés discrètement.